CN113074719A - 一种快速可靠的星图识别方法 - Google Patents
一种快速可靠的星图识别方法 Download PDFInfo
- Publication number
- CN113074719A CN113074719A CN202110314185.3A CN202110314185A CN113074719A CN 113074719 A CN113074719 A CN 113074719A CN 202110314185 A CN202110314185 A CN 202110314185A CN 113074719 A CN113074719 A CN 113074719A
- Authority
- CN
- China
- Prior art keywords
- star
- navigation
- singular value
- observation
- stars
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/02—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means
- G01C21/025—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means with the use of startrackers
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明的一个实施例公开了一种快速可靠的星图识别方法,包括:S100、建立初步导航星特征数据库C1,计算得到所述特征数据库C1内的每颗导航星的奇异值矢量;将所述每颗导航星的奇异值矢量添加到所述导航星的特征数据库C1内,得到新的导航星特征数据库C2;S102、捕获观测星图,在所述观测星图中选择星等最低的m个观测星,计算得到所述m个观测星中距离视场中心最近的观测星的奇异值矢量;将所述观测星的奇异值矢量与所述特征数据库C2里的导航星的奇异值矢量进行匹配,若匹配成功,则根据匹配成功的导航星的位置信息,进行姿态矩阵的解算和识别验证,若匹配失败,将进行下一帧星图的奇异值矢量匹配;S104、若识别成功,则输出姿态矩阵,进入跟踪识别模式。
Description
技术领域
本发明涉及航天技术领域。更具体地,涉及一种快速可靠的星图识别方法。
背景技术
星敏感器(星敏)是一种利用拍摄的星图确定航天器姿态的仪器。姿态测量是航天器飞行控制的前提,对保证航天器高性能飞行、高精度观测及顺利完成各种空间任务具有重要意义。星图识别方法的核心是算法,现有在航天器的星敏感器进行恒星定姿的全天自主星图识别算法上,使用的识别算法主要包括:基于角距匹配的星对角距匹配算法、三角形角距匹配算法、多边形角距匹配算法、极点算法、k矢量算法,基于栅格坐标匹配的栅格星图识别算法、极坐标栅格算法,此外还有遗传算法、神经网络算法和蚁群聚类算法,以及概率统计算法、奇异值分解算法等。这些算法在进行星图识别时的存在的问题也很明显,人们在不断地对这些算法进行改进。例如:应用最为广泛的三角形星图识别算法,其普遍存在的问题是导航星构成的三角形数目巨大,运算量较大且特征维数只有一维,在测量误差较大时,冗余匹配导致星图识别成功率迅速降低;栅格算法存在的主要问题是过于依赖基准星,由于星敏感器在捕获星图信息时会有误差和噪声干扰,因此基准星的提取不能保证完全准确有效,其次此算法的识别成功率依赖于观测星的数量等。
基于奇异值分解的星图识别算法是一种非直观的星图识别算法,依据星矢量矩阵的奇异值在坐标变换下是不变量的原则,将奇异值作为识别特征,利用观测坐标系下的观测单位列矢量矩阵的奇异值和参考坐标系下相应的参考单位列矢量矩阵的奇异值来进行星图识别,其算法具有识别速度快、识别与姿态估计可同时完成、导航星表相对较小等优点。对于一帧观测星图,无论有多少个向量,最后提取的特征只有3个奇异值,传统的奇异值分解算法,使用单一星等阈值的方法建立导航星模式库,在观测星图中取4颗最亮的观测星组成列矢量矩阵并进行奇异值分解,将所求得的奇异值在导航星的特征数据库中进行查询匹配,但是在一些天区下的视场中会出现满足识别数量的观测星却不能正确识别,即视轴不连续的问题,从而降低了该算法的全天球覆盖率。
发明内容
本发明的目的在于提供一种快速可靠的星图识别方法。以解决现有技术中存在的问题的至少一个。
为达到上述目的,本发明采用下述技术方案:
本发明提供了一种快速可靠的星图识别方法,包括:
S100、通过对导航星库中的导航星进行筛选、组合,提取相关信息,建立初步导航星的特征数据库C1,通过计算得到所述特征数据库C1内的每颗导航星的奇异值矢量;将所述每颗导航星的奇异值矢量添加到所述导航星的特征数据库C1内,得到新的导航星特征数据库C2;
S102、捕获观测星图,提取观测星图内的星点,在所述观测星图中选择星等最低的m个观测星,当m>3时,在所述m个观测星中选择距离视场中心最近的观测星作为星敏的光轴指向方向,计算观测星图里的所述m个星构成的观测星矢量的奇异值,称为该观测星的奇异值矢量;当1≤m≤3时,则不计算观测星的奇异值矢量;将所述观测星的奇异值矢量与所述导航星特征数据库C2里的导航星的奇异值矢量进行匹配,若匹配成功,则根据匹配成功的导航星的位置信息,进行姿态矩阵的解算和识别验证,若匹配失败,将进行下一帧星图的奇异值矢量匹配;
S104、若识别成功,则进入跟踪识别模式;若识别失败后,则继续执行步骤S102。
在一个具体实施例中,所述导航星的特征数据库C1中包含导航星在C1中的编号和空间方位坐标,其中,所述C1中导航星的编号是根据赤纬优先原则,以导航星的赤纬、赤经的大小,进行字典排序而得到的。
在一个具体实施例中,获取所述导航星的奇异值矢量的步骤包括:
在所述导航星特征数据库C1内的每颗导航星的局部范围,以该导航星所在位置为原点,建立一个视窗大小的坐标网格;在所述坐标网格内,计算该坐标网格内导航星列矢量矩阵的奇异值,称为该导航星的奇异值矢量。
在一个具体实施例中,当所述坐标网格内除去原点处的导航星数量p≥3时,导航星列矢量矩阵的奇异值的计算方式与奇异值分解算法中,计算列矢量矩阵的奇异值相一致;当p<3时,令导航星的奇异值矢量为空值。
在一个具体实施例中,所述m小于等于相对应的导航星坐标网格内的导航星数量。
在一个具体实施例中,所述S102中进行匹配的步骤包括:
设置门阈ε大于0,当m>3,将得到的观测星的奇异值矢量与所述导航星特征数据库C2里的导航星的奇异值矢量进行匹配,若两者差的范数≤ε,则视为匹配成功,否则视为匹配失败,将进行下一帧星图的奇异值矢量匹配;
当1≤m≤3时,将导航星特征数据库C2内奇异值矢量为空值的导航星放入该观测星匹配的备选集里,再通过相邻帧的观测星图里的奇异值矢量在特征数据库C2内所匹配的编号为n的导航星的周围预定范围内存在的导航星的奇异值矢量是否有空值,若有一个则将此空值对应的导航星与该观测星进行匹配,若多于一个则匹配失败,进行下一帧星图的奇异值矢量匹配。
在一个具体实施例中,所述S102中进行识别验证步骤包括:
根据匹配成功的导航星的位置信息,进行姿态矩阵的解算,反算出此姿态下应该观测到的其他恒星在图片上的具体位置,用反算出的恒星的位置与星敏观测到的其他恒星的位置进行对比匹配,如果匹配星数大于给定门限,则认为星图识别成功,否则识别失败。
在一个具体实施例中,n-(m1+m2)≤所述预定范围内的导航星的编号≤n+(m1+m2);
其中,m1为本桢观测星图里观测星的个数,m2为相邻桢观测星图里的观测星的个数。
本发明的有益效果如下:
本发明提出了建立导航星局部坐标网格,并将其与星图识别中的奇异值算法相结合,使得星敏感器达到更加准确、稳定、快速的全天自主星图识别;这种方法与传统的奇异值分解算法比较,具有视轴连续性好、全天球覆盖率高、匹配速度快的优点,为卫星获取精准的姿态信息提供了可靠、高效的识别方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出根据本申请一个实施例的快速可靠的星图识别方法流程图。
图2示出根据本申请一个实施例的导航星特征数据库建立的流程图。
图3示出根据本申请一个实施例的星图识别算法的流程图。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
如图1所示,本发明的一个实施例公开了一种快速可靠的星图识别方法,所述方法包括:
S100、通过对导航星库中的导航星进行筛选、组合,提取相关信息,建立初步导航星的特征数据库C1,通过计算得到所述特征数据库C1内的每颗导航星的奇异值矢量;将所述每颗导航星的奇异值矢量添加到所述导航星的特征数据库C1内,得到新的导航星特征数据库C2;
在一个具体实施例中,通过对标准导航星库中的导航星进行筛选,建立初步导航星的特征数据库C1的方式如下:
(1)导航星在天球上的位置基本固定不变,因此只有恒星可以作为导航星;
(3)导航星的能量要求稳定;
(4)导航星之间的星对角距不能低于星敏所能分辨的角度θmin,若两颗星之间的星对角距θ<θmin,就对双星进行能量和位置合并,构成新的导航星;
(5)依据(1)-(4)的原则,筛选并组合标准导航星表中的恒星,提取相关信息构成特征数据库C1,C1中主要包含导航星在C1中的编号和空间方位坐标(赤经α和赤纬β),将方位信息存储成矢量形式,即
(6)C1中的编号是以导航星的赤纬、赤经的大小以赤纬优先原则,进行字典排序而得到的。
在一个具体实施例中,所述导航星的特征数据库C1中包含导航星在C1中的编号和空间方位坐标,其中,所述C1中导航星的编号是根据赤纬优先原则,以导航星的赤纬、赤经的大小,进行字典排序而得到的。
在一个具体实施例中,获取所述导航星的奇异值矢量的步骤包括:
在所述导航星特征数据库C1内的每颗导航星的局部范围,以该导航星所在位置为原点,建立一个视窗大小的坐标网格;在所述坐标网格内,计算该坐标网格内导航星列矢量矩阵的奇异值,称为该导航星的奇异值矢量。在一个具体实施例中,当所述坐标网格内除去原点处的导航星数量p≥3时,导航星列矢量矩阵的奇异值的计算方式与奇异值分解算法中,计算列矢量矩阵的奇异值相一致;当p<3时,令导航星的奇异值矢量为Null(空值)。
在一个具体实施例中,建立每颗导航星的坐标网格的方式如下:对于某一导航星S1,以导航星所在位置(α1,β1)为中心,取S1的赤经、赤纬的正值方向分别为坐标轴的x轴和y轴的正方向,建立以S1为原点的新坐标系;以视场半角ω0为半径,在C1中搜索其他被包含在圆内的导航星Si(2≤i≤p+1),Si的位置为(αi,βi),将导航星Si放入以S1为原点的新坐标系中,此坐标系中S1的坐标(0,0),Si的坐标(xi,yi),其中xi=αi-α1,yi=βi-β1;在新坐标下,-ω0<xi<ω0,-ω0<yi<ω0,导航星S1的坐标网格建立完成。
S102、捕获观测星图,提取观测星图内的星点,在所述观测星图中选择星等最低的m个观测星,当m>3时,在所述m个观测星中选择距离视场中心最近的观测星作为星敏的光轴指向方向,计算观测星图里的该m个星构成的观测星矢量的奇异值,称为该观测星的奇异值矢量;其中该观测星指的是所述距离视场中心最近的观测星。当1≤m≤3时,则不计算观测星的奇异值矢量;将所述观测星的奇异值矢量与所述导航星特征数据库C2里的导航星的奇异值矢量进行匹配,若匹配成功,则根据匹配成功的导航星的位置信息,进行姿态矩阵的解算和识别验证,若匹配失败,将进行下一帧星图的奇异值矢量匹配;
在本实施例中,所述m小于等于相对应的导航星坐标网格内的导航星数量(即p+1)。
在一个具体实施例中,所述S102中进行匹配的步骤包括:
设置门阈ε大于0,当m>3,将得到的观测星的奇异值矢量与所述导航星特征数据库C2里的导航星的奇异值矢量进行匹配,若两者差的范数≤ε,则视为匹配成功,否则视为匹配失败,将进行下一帧星图的奇异值矢量匹配;
当1≤m≤3时,将导航星特征数据库C2内奇异值矢量为Null(空值)的导航星放入该观测星匹配的备选集里,再通过相邻帧的观测星图里的奇异值矢量在特征数据库C2内所匹配的编号为n的导航星周围预定范围内存在的导航星的奇异值矢量是否有Null(空值),若有一个则将此Null(空值)对应的导航星与该观测星进行匹配,若多于一个则匹配失败,进行下一帧星图的奇异值矢量匹配。
在一个具体实施例中,所述S102中进行识别验证步骤包括:
根据匹配成功的导航星的位置信息,进行姿态矩阵的解算,反算出此姿态下应该观测到的其他恒星在图片上的具体位置,用反算出的恒星的位置与星敏观测到的其他恒星的位置进行对比匹配,如果匹配星数大于给定门限,则认为星图识别成功,否则识别失败。
在一个具体实施例中,n-(m1+m2)≤所述预定范围内的导航星的编号≤n+(m1+m2);其中,m1为本桢观测星图里观测星的个数,m2为相邻桢观测星图里的观测星的个数。
对于观测星图中星提取所用的算法,只需满足星点的位置精度高即可,对于星等的精度不用太高,在一个具体实施例中,使用质心法提取观测星图内的星点。
在一个具体实施例中,进行姿态矩阵的解算中,可以利用匹配成功的导航星的列矢量矩阵W与观测星矢量构成的矩阵V,通过矩阵方程V=CW,解出正交矩阵C,此正交矩阵C为天球坐标系到星敏感器坐标系之间的姿态方向余弦矩阵,这样就可以在求出星奇异值矢量的同时得到姿态的方向余弦矩阵,这将使得在判定识别上更加快速,由于矩阵奇异值分解具有稳定性,因此还可以使得姿态矩阵的精度得以保证。
S104、若识别成功,则进入跟踪识别模式;若识别失败后,则在星敏捕获的下一帧星图中开始S102的识别过程。
本发明提出的一种快速可靠的星图识别方法,包括导航星特征数据库的建立过程,以及观测星图的识别过程。
下面根据图2的流程图再结合本发明的实施例具体介绍导航星特征数据库的建立的步骤。
步骤1:通过在依巴谷(HIPPARCOS)星表中,保留星等范围在0~6.5等星8025颗星,对这8025颗星之间的星对角距低于星敏所能分辨的角度θmin的双星进行能量和位置合并,构成新的导航星,将这些导航星的赤经、赤纬、赤经自行、赤纬自行、星等字段提取之后,按照导航星的赤经、赤纬的大小以赤经优先原则,进行字典排序,建立初步导航星的特征数据库C1。
步骤2:对于导航星特征数据库C1内某一导航星S1,以导航星所在位置(α1,β1)为中心,取S1的赤经、赤纬的正值方向分别为坐标轴的x轴和y轴的正方向,建立以S1为原点的新坐标系,以视场半角ω0为半径,将C1中导航星位置(αi,βi)满足-ω0<αi-α1<ω0且-ω0<βi-β1<ω0的导航星Si(2≤i≤p+1)放入以S1为原点的新坐标系中,此坐标系中S1的坐标(0,0),Si的坐标(xi,yi),其中xi=αi-α1,yi=βi-β1,导航星S1的坐标网格建立完成。
步骤3:在每颗导航星通过步骤2建立的坐标网格内,计算该坐标网格内导航星列矢量矩阵的奇异值。若坐标网格内除去原点包含特征数据库C1中的导航星的数量p≥3时,则计算该坐标网格内导航星列矢量矩阵的奇异值;若包含导航星表C1里的导航星数量p<3时,将该颗导航星的坐标网格内导航星的奇异值矢量计为Null(空值)。
步骤4:将步骤3里计算的导航星列矢量矩阵的奇异值,称为该导航星的奇异值矢量,添加到导航星特征数据库C1内,作为该导航星的一个信息值,得到新的导航星特征数据库C2。
根据图3的流程图再结合本发明的实施例具体介绍观测星图的识别的步骤。
步骤5:捕获观测星图,在一个具体实例中,观测星图为A,采用质心法提取观测星点,在所述观测星图中选择星等最低的m个观测星,当m>3时,在所述m个观测星中选择距离视场中心最近的观测星作为星敏的光轴指向方向,计算观测星图里的该m个星构成的观测星矢量的奇异值,称为该观测星的奇异值矢量;其中该观测星指的是所述距离视场中心最近的观测星。当1≤m≤3时,则不计算观测星的奇异值矢量;在本实施例中,所述m小于等于相对应的导航星坐标网格内的导航星数量(即p+1)。
步骤6:设置门阈ε大于0,当m>3,将得到的观测星的奇异值矢量与所述导航星特征数据库C2里的导航星的奇异值矢量进行匹配,若两者差的范数≤ε,则视为匹配成功,否则视为匹配失败,将进行下一帧星图的奇异值矢量匹配;
步骤7:当1≤m≤3时,将导航星特征数据库C2内奇异值矢量为Null(空值)的导航星放入该观测星匹配的备选集里,再通过相邻帧的观测星图里的奇异值矢量在特征数据库C2内所匹配的编号为n的导航星的周围预定范围内存在的导航星的奇异值矢量是否有Null(空值),若有一个则将此Null(空值)对应的导航星与该观测星进行匹配,若多于一个则匹配失败,进行下一帧星图的奇异值矢量匹配。其中,n-(m1+m2)≤所述预定范围内的导航星的编号≤n+(m1+m2);m1为本桢观测星图里观测星的个数,m2为相邻桢观测星图里的观测星的个数。
步骤8:根据匹配成功的导航星的位置信息,进行姿态矩阵的解算,反算出此姿态下应该观测到的其他恒星在图片上的具体位置。用反算出的恒星的位置与星敏观测到的其他恒星的位置进行对比匹配,如果匹配星数大于给定门限,则认为星图识别成功,否则识别失败。
步骤9:如果识别验证成功,则输出姿态矩阵,进入跟踪模式,否则进入下一帧星图的识别。
本发明提出了建立导航星局部坐标网格,并将其与星图识别中的奇异值算法相结合,使得星敏感器达到更加准确、稳定、快速的全天自主星图识别;这种方法与传统的奇异值分解算法比较,具有视轴连续性好、全天球覆盖率高、匹配速度快的优点,为卫星获取精准的姿态信息提供了可靠、高效的识别方法。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (8)
1.一种快速可靠的星图识别方法,其特征在于,包括:
S100、通过对导航星库中的导航星进行筛选、组合,提取相关信息,建立初步导航星的特征数据库C1,通过计算得到所述特征数据库C1内的每颗导航星的奇异值矢量;将所述每颗导航星的奇异值矢量添加到所述导航星的特征数据库C1内,得到新的导航星特征数据库C2;
S102、捕获观测星图,提取观测星图内的星点,在所述观测星图中选择星等最低的m个观测星,当m>3时,在所述m个观测星中选择距离视场中心最近的观测星作为星敏的光轴指向方向,计算观测星图里的所述m个星构成的观测星矢量的奇异值,称为该观测星的奇异值矢量;当1≤m≤3时,则不计算观测星的奇异值矢量;将所述观测星的奇异值矢量与所述导航星特征数据库C2里的导航星的奇异值矢量进行匹配,若匹配成功,则根据匹配成功的导航星的位置信息,进行姿态矩阵的解算和识别验证,若匹配失败,将进行下一帧星图的奇异值矢量匹配;
S104、若识别成功,则进入跟踪识别模式;若识别失败后,则继续执行步骤S102。
2.根据权利要求1所述的方法,其特征在于,
所述导航星的特征数据库C1中包含导航星在C1中的编号和空间方位坐标,其中,所述C1中导航星的编号是根据赤纬优先原则,以导航星的赤纬、赤经的大小,进行字典排序而得到的。
3.根据权利要求1所述的方法,其特征在于,获取所述导航星的奇异值矢量的步骤包括:
在所述导航星特征数据库C1内的每颗导航星的局部范围,以该导航星所在位置为原点,建立一个视窗大小的坐标网格;在所述坐标网格内,计算该坐标网格内导航星列矢量矩阵的奇异值,称为该导航星的奇异值矢量。
4.根据权利要求3所述的方法,其特征在于,
当所述坐标网格内除去原点处的导航星数量p≥3时,导航星列矢量矩阵的奇异值的计算方式与奇异值分解算法中,计算列矢量矩阵的奇异值相一致;当p<3时,令导航星的奇异值矢量为空值。
5.根据权利要求4所述的方法,其特征在于,
所述m小于等于相对应的导航星坐标网格内的导航星数量。
6.根据权利要求4所述的方法,其特征在于,所述S102中进行匹配的步骤包括:
设置门阈ε大于0,当m>3,将得到的观测星的奇异值矢量与所述导航星特征数据库C2里的导航星的奇异值矢量进行匹配,若两者差的范数≤ε,则视为匹配成功,否则视为匹配失败,将进行下一帧星图的奇异值矢量匹配;
当1≤m≤3时,将导航星特征数据库C2内奇异值矢量为空值的导航星放入该观测星匹配的备选集里,再通过相邻帧的观测星图里的奇异值矢量在特征数据库C2内所匹配的编号为n的导航星的周围预定范围内存在的导航星的奇异值矢量是否有空值,若有一个则将此空值对应的导航星与该观测星进行匹配,若多于一个则匹配失败,进行下一帧星图的奇异值矢量匹配。
7.根据权利要求1所述的方法,其特征在于,所述S102中进行识别验证步骤包括:
根据匹配成功的导航星的位置信息,进行姿态矩阵的解算,反算出此姿态下应该观测到的其他恒星在图片上的具体位置,用反算出的恒星的位置与星敏观测到的其他恒星的位置进行对比匹配,如果匹配星数大于给定门限,则认为星图识别成功,否则识别失败。
8.根据权利要求6所述的方法,其特征在于,
n-(m1+m2)≤所述预定范围内的导航星的编号≤n+(m1+m2);
其中,m1为本桢观测星图里观测星的个数,m2为相邻桢观测星图里的观测星的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110314185.3A CN113074719B (zh) | 2021-03-24 | 2021-03-24 | 一种快速可靠的星图识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110314185.3A CN113074719B (zh) | 2021-03-24 | 2021-03-24 | 一种快速可靠的星图识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113074719A true CN113074719A (zh) | 2021-07-06 |
CN113074719B CN113074719B (zh) | 2022-11-25 |
Family
ID=76610052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110314185.3A Active CN113074719B (zh) | 2021-03-24 | 2021-03-24 | 一种快速可靠的星图识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113074719B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972875A (zh) * | 2022-06-09 | 2022-08-30 | 北京航空航天大学 | 一种基于多帧联合的非折射星和折射星分类方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103047985A (zh) * | 2012-12-21 | 2013-04-17 | 中国科学院长春光学精密机械与物理研究所 | 一种空间目标的快速定位方法 |
CN103791902A (zh) * | 2014-01-23 | 2014-05-14 | 中国科学院长春光学精密机械与物理研究所 | 适用于高机动载体的星敏感器自主导航方法 |
US20150146924A1 (en) * | 2013-11-27 | 2015-05-28 | Yuka Kihara | Image analyzing device, image analyzing method, and recording medium storing image analyzing program |
CN106403929A (zh) * | 2016-08-22 | 2017-02-15 | 清华大学 | 星敏感器星图识别和姿态解算的快速鲁棒校验方法 |
CN109269495A (zh) * | 2018-11-13 | 2019-01-25 | 航天科工系统仿真科技(北京)有限公司 | 动态星图生成方法和设备 |
CN110715656A (zh) * | 2019-11-01 | 2020-01-21 | 北京航天自动控制研究所 | 一种基于降维星表的自主星图识别方法 |
CN110954085A (zh) * | 2019-12-06 | 2020-04-03 | 中国科学院长春光学精密机械与物理研究所 | 一种应用于星敏感器的星表分区和特征建库方法以及装置 |
-
2021
- 2021-03-24 CN CN202110314185.3A patent/CN113074719B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103047985A (zh) * | 2012-12-21 | 2013-04-17 | 中国科学院长春光学精密机械与物理研究所 | 一种空间目标的快速定位方法 |
US20150146924A1 (en) * | 2013-11-27 | 2015-05-28 | Yuka Kihara | Image analyzing device, image analyzing method, and recording medium storing image analyzing program |
CN103791902A (zh) * | 2014-01-23 | 2014-05-14 | 中国科学院长春光学精密机械与物理研究所 | 适用于高机动载体的星敏感器自主导航方法 |
CN106403929A (zh) * | 2016-08-22 | 2017-02-15 | 清华大学 | 星敏感器星图识别和姿态解算的快速鲁棒校验方法 |
CN109269495A (zh) * | 2018-11-13 | 2019-01-25 | 航天科工系统仿真科技(北京)有限公司 | 动态星图生成方法和设备 |
CN110715656A (zh) * | 2019-11-01 | 2020-01-21 | 北京航天自动控制研究所 | 一种基于降维星表的自主星图识别方法 |
CN110954085A (zh) * | 2019-12-06 | 2020-04-03 | 中国科学院长春光学精密机械与物理研究所 | 一种应用于星敏感器的星表分区和特征建库方法以及装置 |
Non-Patent Citations (3)
Title |
---|
JER-NAN JUANG 等: "Further Studies on Singular Value Method for Star Pattern Recognition and Attitude Determination", 《THE JOURNAL OF THE ASTRONAUTICAL SCIENCES》 * |
袁晓波等: "一种改进的基于K矢量的星图识别算法", 《导航定位学报》 * |
邢一凡 等: "一种改进的基于奇异值分解的星图识别算法", 《智能计算机与应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972875A (zh) * | 2022-06-09 | 2022-08-30 | 北京航空航天大学 | 一种基于多帧联合的非折射星和折射星分类方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113074719B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kolomenkin et al. | Geometric voting algorithm for star trackers | |
CN105222788B (zh) | 基于特征匹配的飞行器航路偏移误差的自校正方法 | |
Silani et al. | Star identification algorithms: Novel approach & comparison study | |
CN103148852B (zh) | 一种基于有向环的星图识别方法 | |
CN101441082A (zh) | 快速三角形星图识别方法 | |
CN111829532B (zh) | 一种飞行器重定位系统和重定位方法 | |
CN108917753B (zh) | 基于从运动恢复结构的飞行器位置确定方法 | |
CN113706381A (zh) | 一种三维点云数据的拼接方法及装置 | |
CN113074719B (zh) | 一种快速可靠的星图识别方法 | |
CN106123891B (zh) | 基于周长特征的暗星自主识别方法 | |
CN109443200A (zh) | 一种全局视觉坐标系和机械臂坐标系的映射方法及装置 | |
CN113295171A (zh) | 一种基于单目视觉的旋转刚体航天器姿态估计方法 | |
CN110715656B (zh) | 一种基于降维星表的自主星图识别方法 | |
Kaufmann et al. | Shadow-based matching for precise and robust absolute self-localization during lunar landings | |
CN106250898A (zh) | 一种基于尺度预测的图像局部区域特征提取方法 | |
CN114777763A (zh) | 基于姿态信息辅助的小视场星敏感器星图识别方法及装置 | |
CN108921896B (zh) | 一种融合点线特征的下视视觉罗盘 | |
Hosen et al. | Vision-aided nonlinear observer for fixed-wing unmanned aerial vehicle navigation | |
Zhu et al. | Crater-based attitude and position estimation for planetary exploration with weighted measurement uncertainty | |
CN117115414A (zh) | 基于深度学习的无gps无人机定位方法及装置 | |
Toloei et al. | A new composite algorithm for identifying the stars in the star tracker | |
Troiani et al. | 1-point-based monocular motion estimation for computationally-limited micro aerial vehicles | |
CN112665579B (zh) | 基于几何验证的星图识别方法和装置 | |
CN115880690A (zh) | 一种在三维重建辅助下进行点云中物体快速标注的方法 | |
Li et al. | Rapid star identification algorithm for fish-eye camera based on PPP/INS assistance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |